MétaCan
Menu
Retour à la cohorte
Enregistrement W4408406657 · doi:10.1115/1.4068168

Kinetic Study of Magnetite Precipitation Using a High-Temperature Flow-Through Loop: Experimental Apparatus and Testing Procedure

2025· article· en· W4408406657 sur OpenAlexafffundabout
Vichaiyut Oancherd, Sarita Weerakul, C. J. Drost, Olga Y. Palazhchenko, Chutima Kongvarhodom

Notice bibliographique

RevueJournal of Nuclear Engineering and Radiation Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésMagnetiteMaterials sciencePrecipitationNuclear engineeringFlow (mathematics)Loop (graph theory)ThermodynamicsMechanicsMetallurgyPhysicsEngineeringMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract An accurate understanding of material degradation mechanisms and the behavior of the key corrosion products of the materials of construction in nuclear systems is essential in minimizing radiation fields to ensure nuclear worker safety. There are no high-temperature data available on the precipitation constant (kp) of magnetite. Knowledge of this kinetic constant and its temperature dependence would allow for more accurate predictive modeling of the fouling of primary-side sections such as the steam generators. This work summarizes a modification of an experimental loop test section to study the kinetics of magnetite precipitation at temperatures relevant to Canada deuterium uranium (CANDU) reactor primary heat transport systems (PHTSs). A high-temperature, high-pressure flow-through loop was used to simulate the PHTS environment. A cooler test section representative of the temperature range in a typical CANDU-6 steam generator was used to induce supersaturation and precipitation down the length of the cooler. Work is ongoing to accurately quantify both the dissolved aqueous iron in the bulk coolant and the quantity of the precipitated magnetite on the pipe wall, with initial findings reported here.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil0,299

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Engineering and Radiation ScienceMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207